کاربرد سیستمهای طبقه بند XCS در پیشبینی وفاداری مشتریان درصنعت هتلداری (مطالعه موردی: هتلهای شهرستان شیراز)
Publish place: 1st National Conference on engineering,Business Management
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 948
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
EBM01_011
تاریخ نمایه سازی: 7 مرداد 1392
Abstract:
شرایط پیچیده رقابتی در بازارهای امروزی باعث می شود تا نقش مشتری به عنوان عاملی تعیین کننده دررشد و بقاء شرکتها و سازمانها بیش از پیش مورد توجه قرار گیرد. تأمین رضایت مشتری و مهمتر از آن حفظ ونگهداری مشتریان از مسایل مهم مورد توجه در استراتژی های بازاریابی شرکتهای پیشرو امروزی است. بدین سبب همواره این سوال مطرح است که چگونه می توان وفاداری مشتریان را پیش بینی کرد؟ هدف این پژوهش، پیش بینی وفاداری مشتریان در صنعت هتلداری و ارزیابی توانایی سیستم های طبقه بندXCS) به عنوان ابزاری برای پیشبینی می باشد. بدین منظور مطالعهای در هتلهای شهرستان شیراز به عنوان یکی ازشهرهای مقصد گردشگری در کشور ایران انجام شد. پس از جمعآوری اطلاعات به وسیله پرسشنامه، این اطلاعات را به عنوان متغیر ورودی به سیستم طبقه بندXCS) داده و خروجی سیستم مورد ارزیابی قرار گرفت. به طور کلی سیستم طبقه بندXCS) که به عنوان یکی از موفقترین عاملهای یادگیرنده برای حلمسائلLearning Agentsشناخته شده است به این صورت عمل می کند که قوانین خود را بر اساس دقت آنها در پیش بینی پاداش دریافتی از محیط، ارزیابی کرده و با استفاده از الگوریتم ژنتیک به روز آوری میکند. سیستم طبقهبندXCSکاربردهای موفقی داشته است که در این مقاله کاربرد آن را در پیشبینی وفاداری مشتریان در صنعت هتلداری مورد بررسی قرار میدهیم که مقایسه نتایج بدست آمده با نتایج حاصلاز روشهای دیگر نشاندهندهی برتری این روش از نظر دقت پیشبینی می باشد.
Keywords:
Authors
محمد حقیقی
دانشیار دانشکده مدیریت دانشگاه تهران
حمیدرضا معتمدزاده
دانشجوی کارشناسی ارشد مکاترونیک دانشگاه تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :